分析師團隊異質性對降低預測偏差的影響分析

○新疆財經大學工商管理學院 熱比亞·吐爾遜 趙亞娟 羅俊梅

一、引言

證券分析師盈利預測活動的研究一向都是國內外學術界的熱門研究話題。國內外不少的研究驗證了證券分析師盈利預測活動給資本市場帶來的價值。如認為證券分析師挖掘、搜尋、分析并傳播信息這個過程能夠提髙有關上市公司股票價格的信息數量，進而也會促進資本市場運行效率的提高。證券分析師盈利預測精確度的高低不僅反映了分析師預測信息的價值,也決定著分析師行業存在的意義。

在以往的眾多研究中大多都關注分析師的個人層面，卻忽略了分析師團隊的力量。隨著分析師面臨的外在環境變化，分析師在進行盈余預測時需要考慮更多方面因素，單打獨斗往往難以應對，而團隊合作恰好可以實現優勢互補，獲取更多的信息。近年來，學術界將研究目光轉向分析師團隊，發現相較于個人分析師來說，分析師團隊比個人分析師盈余預測更加準確。在我國，分析師團隊做出的盈余預測報告所占比例不斷增加，2019年度，由分析師團隊所做的盈余預測達到65.97% 。

本文以2007—2019年滬、深兩市A股上市公司為研究對象，利用分析師團隊對上市公司盈余預測數據，探討團隊異質性對賣方分析師盈余預測偏差的影響。

二、文獻綜述與理論假設

資本市場中專業信息解讀者——分析師主要通過收集信息、分析信息和預測公司未來的收益情況來評估公司股票的價值，給客戶提供買賣建議。現有文獻中，關于分析師盈余預測行為的影響因素研究主要集中在幾個方面，①企業信息環境，主要包括公共信息[1,2]和分析師可以獲取的私有信息[3]；②分析師自身的特征[4,5]，如分析師的從業時間、從業經驗、學歷和外貌等等；③一些外部因素[6]。

這些關于分析師預測影響因素的研究，沒有區分分析師的工作方式，即分析師出具報告是以團隊形式還是分析師個人獨自出具報告。而據國泰安統計數據顯示，2019年底，分析師以團隊合作形式發布預測報告占總發布報告比例高達65.97%，因此，學者們開始關注分析師團隊這一特殊群體。Brown和Hugon(2009)首次間接推斷出分析師團隊的存在，并發現分析師團隊發布的預測比單個分析師更及時，但準確性更低，然而，在他們的樣本中，只有不到6%的觀察結果被確定為分析師團隊[7]。而在隨后的研究中采用更加直接的方法手工收集分析師團隊的相關數據，進一步驗證表明，分析師團隊比個人分析師盈余預測更加準確。我國學者楊楠、洪劍峭(2019)利用中國分析師數據，研究發現分析師團隊的盈余預測準確性高于個人分析師，但是團隊發布研究報告的及時性要弱于個人分析師。進一步研究表明，在信息環境較差或盈余波動性較大的公司，分析師團隊盈余預測準確的結果更顯著[8]。He等(2020)以中國金融分析師為樣本，研究了層級結構對分析師團隊績效的影響，研究發現具有層次結構的分析團隊的表現優于扁平團隊(沒有明確層次結構的團隊)。具體而言，層級團隊發布預測的準確性更高，樂觀偏差更少，投資者反應更強烈[9]。鑒于此，本文將研究重點集中在分析師團隊的視角，研究分析師團隊異質性對盈余預測偏差的影響。

管理學和組織行為學等領域已經發現團隊異質性與團隊績效的關系。不少學者已經證明團隊規模的差異[10]、團隊成員能力差異、性別異質性[11]、教育水平異質性[12]對團隊績效有著積極影響。

1.團隊性別異質性。Apesteguia等人(2011)研究團隊性別構成是否會影響其經濟績效，實驗結果表明純女性團隊的表現要優于多元化的團隊，這種差異是由于純女性團隊不愿意冒險造成的[13]。Kim和Starks(2016)指出，女性董事會為公司董事會貢獻特殊技能，從而提高了公司價值[14]。Díaz García等人(2013)發現研發團隊中的性別差異會產生某種動力，從而促進創新[15]。張薇薇(2020)研究發現相較于同一性別分析師團隊，性別異質性分析師團隊的盈余預測準確性更高、樂觀偏差更低[16]。相較于女性而言，男性分析師更具社交優勢，更加擅長私有信息的獲取，擁有先天的數理能力和邏輯思維分析優勢。基于此，本文提出假設H1：

H1：與同一性別的分析師團隊相比，性別異質性的分析師團隊，盈余預測偏差更小，樂觀偏差更低。

2.團隊教育水平異質性。一方面，學者認為不同的教育水平能夠給團隊帶來積極影響。例如：Dahlin等(2005)認為教育影響人們為團隊帶來的信息、知識和技能。他們將MBA的學生隨機分配到團隊中進行案例研究，結構表明團隊成員中不同的教育背景會提高可利用信息的范圍和深度。Sperber Linder(2018) 研究發現高管團隊教育水平異質性對高管團隊決策過程有益[17]。另一方面，沖突理論，團隊成員之間教育水平差距過大，可能給成員間溝通交流造成困難。郝清民、孫雪(2015)指出高管團隊教育水平異質性對創新有顯著阻礙作用[18]。朱芳慧、呂沙和蘇美玲(2018)研究發現制造業企業中高管團隊教育背景異質性與企業技術創新投入、企業價值顯著負相關[19]。我國分析師團隊主要以2～3人為主，其中2人團隊人數最多。團隊規模小，日常溝通交流十分方便，能夠減少沖突。同時，不同的教育水平也會給團隊提供分析問題的不同視角，一般來說，碩士及以上學歷的分析師更加擅長采用定量的分析工具，而本科以及以下學歷的分析師會更加注重定性分析問題。因此，本文提出假設H2：

H2:與學歷結構相同的分析師團隊相比，學歷結構異質性的分析師團隊預測偏差更小，樂觀偏差更低。

三、研究設計

(一)數據來源

本文選取國泰安(CSMAR)數據庫中 ，以2007—2019年間對滬、深兩市A股上市公司發布過盈余預測的證券分析師作為初始研究樣本。選擇 2007年作為起始年度，是因為中國新企業會計準則在2007年開始實施。本文對該樣本按照以下規則進行篩選。①剔除金融類公司；②只考察分析師當年對公司的盈余預測，即剔除預測期限長于1年的長期預測分析師樣本；③剔除其他變量缺失的觀察值；④為控制異常值的影響，本文對所有連續變量，在1%及99%的水平上進行縮尾處理。本文的數據分析工具為Stata16.0。

(二)變量定義

1.被解釋變量

參考Lang和Lundholm(1996)關于分析師預測行為的衡量，本文采用兩個指標來度量分析師團隊的預測偏差。一個是分析師預測精確度，具體用分析師團隊對上市公司每股收益的預測值與每股收益真實值之差的絕對值除以每股收益真實值的絕對值(見公式1)。

(1)

其中，FEPSijt代表分析師團隊i對公司j在第t年所做的每股收益預測值，EPSjt代表公司j在第t年的真實每股收益。Ferrijt衡量分析師團隊i對公司j在第t年所做出的盈余預測偏差的絕對水平，該變量數值越小，表明分析師團隊的盈余預測準確性越高。

(2)

第二個度量分析師團隊預測偏差指標是分析師團隊預測的樂觀度。與公式(1)相比，公式(2)考慮了預測偏差的方向，用其來代表分析師團隊預測的樂觀度，如果分析師團隊i對公司j預測的每股收益大于公司j實際的每股收益，則Ferr_pos的值為正，反之，為負。

2.解釋變量

(1)性別異質性(Dgen)：參考Sperber和Linder(2018)對教育水平和職業背景異質性的衡量，用Herdindal-Hirschman系數來表示，該系數越大，表明分析師團隊性別異質性越高。

(2)教育水平異質性：參考高管團隊教育水平的衡量方法，采用平均賦值求平均數法。利用國泰安數據庫公布的分析師團隊學歷分布情況，賦值博士研究生為5、碩士研究生和MBA/EMBA為4、本科為3、大專為2、中專及中專以下為1。教育水平異質性用Herdindal-Hirschman系數來表示，記為Dedu。

3.控制變量

參考已有的文獻，本文設置控制變量為分析師發布報告的預測區間、分析師團隊預測公司數量、分析師工作經驗、上市公司規模、總資產收益率、是否為四大審計等。如表1所示。

表1 變量定義表

4.模型構建

根據本文的假設，采用OLS回歸分別對其進行檢驗。

Ferri,j,t/Ferr_posi,j,t=α0+α1Dgeni,j,t+α2Controli,j,t+∑Industry+∑Year

(3)

Ferri,j,t/Ferr_posi,j,t=α0+α1Dedui,j,t+α2Controli,j,t+∑Industry+∑Year

(4)

采用模型(3)對假設H1進行檢驗，如果α1顯著為負，則團隊異質性程度越高，分析師的盈余預測偏差越小，預測樂觀度越低。采用模型(4)對假設H2進行檢驗，如果α1顯著為負，則團隊教育水平異質性程度越高，分析師的盈余預測偏差越小，預測樂觀度越低。

四、實證結果

(一)描述性統計

表2首先給出了主要變量的描述性統計分析，從表2可以看出，分析師團隊性別異質性指數的平均值為0.201，學歷異質性指數的平均值為0.138，分析師盈余預測準確度Ferr和樂觀偏差 Ferr_pos 的均值(中位數)分別為0.537(0.165)和0.270(0.100)。可以看出，我國分析師普遍存在樂觀預測傾向，這與現有的研究保持一致。樣本中大約有13%的上市公司會選擇“四大”會計師事務所對其年度報告進行審計，我國上市公司的總資產收益率的均值大約為7.14%。

(二)相關性分析

如表3所示，變量之間的相關系數表明，性別異質性(Hetergender)與分析師盈余預測準確度(Ferr)顯著負相關(-0.013，p<0.0006)，性別異質性(Hetergender)與樂觀偏差Ferr_pos顯著負相關(-0.008，p<0.0303)，這與假設H1的結果一致。學歷異質性(HeterDegree)與分析師盈余預測準確度(Ferr)顯著負相關 (-0.028，p<0.0150)，學歷異質性(Hetergender)與樂觀偏差Ferr_pos顯著負相關(-0.0113，p<0.0019)，這與假設H2的預測一致。

表2 變量描述性統計

(三)多元回歸

1.性別異質性與預測偏差

模型(1)的回歸結果如表4所示，從表中可以看出分析師團隊預測偏差、分析師團隊預測樂觀度與分析師團隊性別異質性的結果。由表4(1)列結果可知，分析師團隊性別異質性(Dgen)的系數在1%的水平上顯著為負(α1=-0.0693,t=-3.792,p<0.01)，說明分析師團隊性別異質性會減少分析師報告預測偏差；表4(2)列結果可知，分析師團隊性別異質性(Dgen)的系數在1%的水平上顯著為負(α1=-0.0200,t=-3.213,p<0.01),說明分析師團隊性別異質性也會降低其預測樂觀度。隨著性別異質性指數的上升，分析師團隊預測偏差減少，預測樂觀度降低。該結果證明了分析師團隊性別異質性能夠顯著降低分析師團隊預測的樂觀度以及預測偏差。另外，控制變量的結果也與現有的研究一致。

表4 分析師團隊性別異質性與預測偏差回歸結果

2.教育水平異質性與預測偏差

模型(1)的回歸結果如表5所示，從表中可以看出分析師團隊預測偏差、分析師團隊預測樂觀度與分析師團隊教育水平異質性的結果。由(1)列結果可知，分析師團隊教育水平異質性(Dedu)的系數在10%的水平上顯著為負(α1=-0.298，t=-1.817,p<0.1)，說明分析師團隊教育水平異質性會減少分析師報告預測偏差。(2)列結果可知，分析師團隊教育水平異質性(Dedu)的系數在10%的水平上顯著為負(α1=-0.291,t=-1.769,p<0.1),說明分析師團隊教育水平異質性也會降低其預測樂觀度。另外，控制變量的結果也與現有研究一致。

表5 分析師教育水平異質性與預測偏差回歸結果

(三)穩健性檢驗

本文采用虛擬變量來度量分析師團隊異質性。對于分析師團隊性別異質性，當分析師團隊中同時有男性分析師和女性分析師時，取值為1，否則為0；對于分析師團隊教育水平異質性，當分析師團隊中同時有兩種不同學歷的分析師時，取值為1，否則為0。使用虛擬變量作為替代變量對假設H1和假設H2結果進行回歸。表6中的第(1)列和第(2)列性別異質性的系數均在1%的水平上顯著為負，支持了假設H1。表7中的第(1)列和第(2)列教育水平異質性的系數均在10%的水平上顯著為負，支持了假設H2。

表6 分析師團隊性別異質性與預測偏差回歸結果

表7 分析師教育水平異質性與預測偏差回歸結果

以上的研究表明，分析師團隊異質性能夠減小分析師報告預測偏差，降低分析師預測樂觀度。這與主檢驗中的結果相一致。

五、結論與啟示

本文利用2007—2019年分析師團隊對上市公司盈余預測數據，實證檢驗了分析師團隊異質性對其盈余預測偏差的影響。通過對分析師團隊性別異質性、教育水平異質性與盈余預測偏差的實證分析，發現分析師團性別異質性和教育水平異質性均能夠減小分析師報告的盈余預測偏差，降低其預測樂觀度。改變分析師團隊異質性的衡量方式，并不會改變這一結論。即分析師團隊異質性對其盈余預測質量有一定的積極影響。

這些研究結論對資本市場上的投資者和券商都有一定的積極作用和現實意義。投資者可以根據團隊異質性程度選擇更高質量的分析師報告；券商可以據此組建分析師團隊，以便充分發揮分析師團隊的優勢。

本文的研究不足在于，一是基于國泰安數據庫中數據限制，分析師團隊異質性的衡量指標僅僅選擇性別和教育水平兩個方面；二是本文將分析師團隊看做一個整體，沒有考慮分析師團隊規模、存續時間、分析師團隊成員經驗差異等因素的不同。